对于人类来说,在一堆物品下找到丢失的钱包是非常简单的鈥攚我们只要把东西从堆里拿出来,直到找到钱包为止。但对于机器人来说,这项任务涉及到对堆和堆中物体的复杂推理,这是一个严峻的挑战。
麻省理工学院的研究人员此前展示了一种机器人手臂,该手臂将视觉信息和射频(RF)信号结合在一起,以找到标有RFID标签(反射天线发送的信号)的隐藏物体。在这项工作的基础上,他们现在开发了一种新的系统,可以有效地取回掩埋在桩中的任何物体。只要堆中的某些项目具有RFID标签,系统就不需要为目标项目添加标签来恢复它。
该系统背后的算法称为FuseBot,它考虑到了堆下物体的可能位置和方向。然后FuseBot找到最有效的方法来移除障碍物并提取目标项。这种推理使FuseBot能够在一半的时间内找到比最先进的机器人系统更多的隐藏项目。
这种速度在电子商务仓库中尤其有用。电气工程和计算机科学系副教授、媒体实验室信号动力学组主任、资深作者法德尔·阿迪布(FadelAdib)表示,负责处理退货的机器人可以通过FuseBot系统更有效地找到未分类的物品堆。
“这篇论文第一次表明,仅仅在环境中存在RFID标记的项目,就可以让您更容易地以更高效的方式完成其他任务。我们之所以能够做到这一点,是因为我们在系统中添加了多模式推理鈥擣useBot可以对视觉和射频进行推理,以了解一堆项目,”Adib补充道。
与Adib共同撰写这篇论文的还有研究助理Tara Boroushaki,她是论文的主要作者;劳拉·多德;还有纳齐什·奈姆。这项研究将在机器人学:科学和系统会议上发表。
目标标记
最近的一份市场报告显示,90%以上的美国零售商现在使用RFID标签,但这项技术并不普及,导致只有一些物品在堆垛中被标记。
这个问题激发了该小组的研究。
使用FuseBot,机器人手臂使用连接的摄像机和射频天线从混合堆中检索未标记的目标项目。该系统使用摄像头扫描桩体,以创建环境的三维模型。同时,它从天线发送信号以定位RFID标签。这些无线电波可以通过大多数固体表面,因此机器人可以“看到”桩的深处。由于目标项目没有标记,FuseBot知道该项目不能与RFID标签位于完全相同的位置。
算法融合这些信息来更新环境的3D模型,并突出目标项目的潜在位置;机器人知道它的大小和形状。然后,系统对堆中的对象和RFID标签位置进行推理,以确定要删除的项目,目的是找到移动最少的目标项目。
Boroushaki说,将这种推理纳入系统是一个挑战。
机器人无法确定物体在桩下的方向,也无法确定较重的物体压在其上时,软物会如何变形。它通过概率推理克服了这一挑战,使用它所知道的对象的大小和形状及其RFID标签位置来建模对象可能占据的3D空间。
在删除项目时,它还使用推理来决定下一步删除哪个项目是“最好的”。
“如果我给一个人一堆要搜索的物品,他们很可能会先移除最大的物品,看看下面是什么。机器人做的事情很相似,但它也加入了RFID信息,以便做出更明智的决定。它会问:“如果从表面移除这堆物品,它会对这堆物品了解多少?”Boroushaki说。
移除物体后,机器人再次扫描桩,并使用新信息优化其策略。
检索结果
这一推理,以及它对射频信号的使用,使FuseBot超越了只使用视觉的最先进系统。该团队使用真实的机器人手臂和堆满办公用品、填充动物玩具和衣服等家居用品进行了180多次实验。他们改变了堆的大小和每个堆中RFID标签项目的数量。
FuseBot在95%的时间内成功提取目标项目,而其他机器人系统的成功率为84%。它完成这项任务的动作减少了40%,并且能够以两倍以上的速度定位和检索目标项目。
Dodds说:“我们看到,通过加入这些射频信息,成功率有了很大的提高。我们能够与之前的系统性能相匹配,并且在目标物品没有RFID标签的情况下超过它,这也令人兴奋。”。
FuseBot可以应用于各种设置,因为执行复杂推理的软件可以在任何计算机上实现鈥攊Boroushaki补充道,t只需要与带有摄像头和天线的机械臂进行通信。
在不久的将来,研究人员计划将更复杂的模型纳入FuseBot,以便它在可变形物体上表现更好。除此之外,他们还对探索不同的操作方式感兴趣,比如一种可以将物品推到一边的机械臂。该系统的未来迭代也可用于移动机器人,该机器人可在多个堆中搜索丢失的物体。
这篇文章由麻省理工学院新闻网(web.MIT.edu/newoffice/)转载,该网站是一个受欢迎的网站,涵盖了有关麻省理工学院研究、创新和教学的新闻。